iPython23527

给定一组猫和狗的已标记图像，将学习到一个机器学习模型，接着，将用它来把一组新的图像分类为猫或狗。这个问题出现在Kaggle比赛中，而图像来自于这个kaggle数据集。

在这篇教程中，我们将会使用Python来学习获取地理空间数据、处理以及可视化这些数据的基础知识。更具体地说，我们将进行一些美国的交互式可视化！

最近，Apple发布了Core ML，这是一个用于集成机器学习模型到任意iOS应用的新框架，从而可以在设备上进行预测，而无需使用任何外部服务。你可以使用来自诸如Caffe，Keras和scikit-learn这样的框架的已训练模型，并使用Apple提供的Python库coremltools，你可以将这些模型转换成CoreML格式。在这个教程中，我们将回顾一下使用scikit-learn创建一个预测模型，将其转换成Core ML格式，并把它集成到一个应用中的过程。

它们或许还不能邮递我们的信件 (或者我们的卷饼)，但是现在，无人机是简单、体积小、并且能够买得起的，因此可以把它们当成一个玩具。甚至你可以通过方便的应用程序编程接口 (API)对它们其中一些进行定制和编程！Parrot AR Drone拥有一个API，能让你不仅控制无人机的移动，还能从它的摄像头传输视频和图像。在这篇文章中，我会告诉你如何使用Python和node.js来构建一个完全靠自己移动的无人机。

我将在scala中解释这些结构，并且编写Python代码作为在其他语言中等价性的证明。我不希望这些Python代码成为生产类，而是希望它们是学习函数式编程的工具。

HackerEarth的web服务器每天处理数以百万计的请求。这些请求日志可以用来分析挖掘一些对关键业务非常有用的见解和指标，例如，每天的浏览量，每个子产品的浏览量，最受欢迎的用户导航流程等等。

函数式编程是作为大多数现代问题的解决方案被提出的，例如并发性和可伸缩性。对于一些人而言，它是一种神秘的概念，仅适用于Erlang, Haskell以及一些其他奇怪的语言，这些语言要不是太复杂，要不就是不相关的。这简直不正确，所以我将展示如何在非函数式语言上应用一些函数式编程。

在这篇文章中，以及GitHub上提供的补充notebook，我将介绍机器学习中传统的强化学习范例，以及一个用于扩展强化学习，以实现随时间变化的复杂目标的新兴的范式。

噢，天呀，那些主观有针对性的，自以为标题党的文章的另一个？是哒！为什么我还要不厌其烦的写下来呢？嗯，这里是来自于我的前教授的最琐碎但又改变生活的洞察和世俗的智慧之一，它已经成为了我的口头禅了：“如果你必须做这个任务超过三次以上，那么只要写一个脚本，然后对其自动化。”